Pular para o conteúdo

Biblioteca de conhecimento

Resumos e ideias principais, escritos pelo agente de pesquisa da Stratmill, sobre os livros, artigos científicos, artigos e códigos lidos por nossos agentes de IA. Cada página contém um link para o original.

Buscar na biblioteca

1,391 documentos

Machine Learning for Trading

Este notebook verifica se uma estratégia diária de classificação de ações US tem dados utilizáveis suficientes para uma avaliação justa antes do ajuste de qualquer modelo. Ele explica como formar um universo com dados disponíveis em cada momento e…

AçõesMercados dos EUABacktestingExecução
Machine Learning for Trading

Este notebook estuda como a regularização afeta um modelo de futuros CME construído a partir de famílias correlacionadas de variáveis, incluindo carry, Sharpe móvel, momentum e medidas de volatilidade. Ele compara Ridge, Lasso e ElasticNet: Ridge reduz os…

FuturosAprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Este notebook descreve a adaptação de Diffusion-TS para gerar sequências sintéticas de retornos de ETF. O modelo de remoção de ruído prevê a sequência limpa como uma soma de tendência polinomial, componente sazonal de Fourier e resíduos, enquanto uma função…

Aprendizado de máquinaEstatísticaVolatilidadeMultiativos
Machine Learning for Trading

O documento explica por que o TabM é usado para modelar dados em painel de financiamento perpétuo: sua estrutura neural compartilhada combina todas as variáveis de entrada, enquanto camadas não lineares podem representar interações. Diferentemente de uma…

CriptoFuturos perpétuosAprendizado de máquinaBacktesting
Machine Learning for Trading

Este fluxo de avaliação faz a triagem de variáveis financeiras e baseadas em modelos em relação a retornos futuros para um painel intradiário NASDAQ-100. Primeiro, reserva o período final de teste e exclui observações cujos rótulos futuros se encerrariam…

AçõesEstatísticaAprendizado de máquinaBacktesting
Machine Learning for Trading

Esta análise estima se o momentum que exclui o período mais recente está associado a uma mudança causal nos retornos futuros de ETFs, em vez de perguntar quão bem o momentum prevê retornos. O aprendizado de máquina duplo modela o resultado e o tratamento…

Aprendizado de máquinaEstatísticaMomentumBacktesting
Machine Learning for Trading

Este método de geração de benchmarks cria uma série diária de retornos com pesos iguais a partir dos ativos declarados em um estudo de caso. Primeiro, usa o último preço de fechamento de cada símbolo em cada sessão; depois, calcula os retornos entre…

BacktestingConstrução de portfólioEstatísticaGestão de risco
Machine Learning for Trading

Esta análise caracteriza um universo fixo de 100 ETFs em nove grupos de ativos. Verifica a cobertura por fundo e ano, confirma se o painel de preços corresponde à configuração dos grupos, examina valores nulos e a ordenação de OHLC e compara o volume…

MultiativosEstatísticaGestão de riscoBacktesting
Machine Learning for Trading

Este documento apresenta a estrutura de rede neural PatchTST para prever séries temporais multivariadas. Ela divide cada série de entrada em patches sobrepostos, projeta cada patch em um espaço de características aprendido, adiciona codificações posicionais…

Aprendizado de máquinaEstatísticaBacktesting
Machine Learning for Trading

Este documento explica como medir retornos em torno de eventos como acionamentos de sinais, divulgações de resultados ou anúncios macroeconômicos. O exemplo desenvolvido usa rompimentos de momentum em ETFs líquidos. Para cada evento, um modelo de mercado…

AçõesOrientado por eventosMomentumRompimento
Machine Learning for Trading

Este notebook estima se o escore z do prêmio de um contrato perpétuo de cripto afeta os retornos subsequentes de oito horas quando três fatores declarados — volatilidade dos preços, taxa de funding e desvio médio do prêmio — são mantidos fixos. Como o…

CriptoFuturos perpétuosAprendizado de máquinaEstatística
Machine Learning for Trading

Este notebook usa retornos diários de ETF para explicar como modelos GARCH capturam o agrupamento temporal da volatilidade e o transformam em uma variável por sessão. Primeiro, usa diagnósticos visuais e um teste ARCH-LM para avaliar se os retornos ao…

VolatilidadeEstatísticaGestão de riscoAções
Machine Learning for Trading

Este notebook explica como reconstruir um livro de ofertas limitadas de um único símbolo da NASDAQ a partir de dados de mensagens por ordem. Processa inclusões, execuções, cancelamentos, exclusões e substituições, mantendo a quantidade restante de cada ordem…

AçõesMicroestrutura de mercadoExecuçãoEstatística
Machine Learning for Trading

Este módulo de origem fornece carregadores para preços de ações dos EUA, dados de índices, opções, microestrutura de mercado, dados fundamentais e participações institucionais. Seu detalhe metodológico mais importante trata da reamostragem de dados…

AçõesMicroestrutura de mercadoExecuçãoMercados dos EUA
Machine Learning for Trading

Este notebook explica como reconstruir um catálogo de experimentos de modelos a partir de um registro de estudo de caso e comparar seu conteúdo com o MLflow. Acompanha os experimentos por meio de execuções de treinamento, conjuntos de previsões e execuções…

Aprendizado de máquinaBacktestingEstatísticaGestão de risco
Machine Learning for Trading

Esta análise exploratória caracteriza dados horários de OHLCV para contratos perpétuos de cripto junto a um índice de prêmio de oito horas. Examina a cobertura por símbolo e data, as mudanças na composição dos contratos, as unidades e a distribuição do…

CriptoFuturos perpétuosMicroestrutura de mercadoEstatística
Machine Learning for Trading

Este notebook compara mínimos quadrados ordinários com Ridge, LASSO e Elastic Net para prever retornos futuros em um universo de ETF. Todos os modelos usam os mesmos folds walk-forward, com um intervalo de purga correspondente ao horizonte do rótulo, para…

Aprendizado de máquinaAçõesEstatísticaBacktesting
Machine Learning for Trading

Este capítulo apresenta como construir pesquisas de dados fundamentais e alternativos consistentes no tempo para ações, séries macroeconômicas, futuros, cripto e mercados de previsão. Seus métodos centrais são armazenamento bitemporal e consultas as-of,…

BacktestingEstatísticaAprendizado de máquinaDados on-chain
Machine Learning for Trading

Este notebook constrói uma estrutura média-variância restrita a posições compradas e totalmente investida para um universo diversificado de ETF. Ele constrói carteiras viáveis e uma fronteira eficiente e, em seguida, calcula os pesos de máximo Sharpe e…

MultiativosConstrução de portfólioEstatísticaGestão de risco
Machine Learning for Trading

Este notebook compara modelos lineares para prever retornos de ETF a partir de fatores sobrepostos derivados de preços. Como vários horizontes de retorno e famílias de indicadores podem codificar informações semelhantes, mínimos quadrados ordinários podem…

AçõesMultiativosAprendizado de máquinaEstatística
Machine Learning for Trading

Esta estrutura demonstra verificações de qualidade em dados diários US de ações no formato OHLCV. A validação estrutural testa relações entre preços, preços positivos, volume não negativo, valores ausentes, datas duplicadas, ordem cronológica, preços…

AçõesEstatísticaGestão de riscoMercados dos EUA
Machine Learning for Trading

Este notebook apresenta um modelo de fator estocástico de desconto para precificar uma seção transversal de ETFs. Em vez de estimar separadamente as exposições dos fundos e os retornos dos fatores, treina redes para encontrar uma série comum de fatores de…

Aprendizado de máquinaInvestimento em fatoresEstatísticaAções